Pengertian Umum
Visualisasi data interaktif adalah proses menyajikan data dalam bentuk grafik dan dashboard yang dapat berinteraksi langsung dengan pengguna (misalnya zoom, hover info, filter, dan update dinamis).
- Plotly → Library Python untuk membuat grafik interaktif berbasis web, mudah digunakan, kompatibel dengan Jupyter Notebook & Dash.
- Bokeh → Library Python untuk visualisasi interaktif berbasis web, fokus pada kecepatan rendering data besar dan integrasi ke aplikasi web.
1. Keunggulan Dashboard Interaktif
- Menyediakan eksplorasi data real-time.
- Mempermudah pengguna dalam memfilter data dan menemukan insight.
- Memberikan tampilan dinamis yang mudah dipahami non-teknisi.
2. Plotly
- Contoh Grafik Interaktif:
import plotly.express as px df = px.data.gapminder() fig = px.scatter(df, x="gdpPercap", y="lifeExp", size="pop", color="continent", hover_name="country", animation_frame="year", log_x=True) fig.show()- Kelebihan:
- Interaktif (hover, zoom, animasi).
- Bisa digabung dengan Dash untuk membuat dashboard web.
3. Bokeh
- Contoh Grafik Interaktif:
from bokeh.plotting import figure, show p = figure(title="Contoh Bokeh", x_axis_label='x', y_axis_label='y') p.line([1, 2, 3], [4, 5, 6], legend_label="Line") show(p)- Kelebihan:
- Performa tinggi untuk dataset besar.
- Bisa diintegrasikan dengan Flask/Django untuk web app.
4. Elemen Penting Dashboard
- Filter (Dropdown, Slider, Checkbox)
- Grafik Dinamis (Update otomatis saat filter berubah)
- Interaktivitas (Hover, Zoom, Tooltips)
- Tata Letak yang Rapi & Responsif
5. Tujuan Akhir
- Menghadirkan dashboard yang informatif, interaktif, dan mudah digunakan.
- Membantu pengambil keputusan dalam memahami data secara mendalam.
